Extrair Tabelas de um PDF para CSV
PDF para CSV encontra linhas de tabela alinhadas no texto de um PDF e grava cada tabela detectada como um arquivo CSV; várias tabelas voltam em um ZIP. Precisa de camada de texto e não devolve nada para prosa ou digitalizações.
Arraste arquivos para cá, ou clique para escolher
Aceita PDF · até 500.0 MB por arquivo · até 20 arquivos por vez
Você também pode colar um arquivo com Ctrl/Cmd+V ou pelo menu da área de transferência.
PDF para CSV executa `pdftotext -layout`, procura linhas com dois ou mais espaços seguidos e grava essas linhas como CSV. Cada tabela detectada vira um arquivo chamado `{base}_pN_tM.csv`. Serve para PDFs eletrônicos em que as colunas já estão alinhadas no texto extraído.
Uma tabela precisa de pelo menos duas linhas seguidas com cara de tabela. Prosa, um cabeçalho sozinho ou uma digitalização sem camada de texto resultam em `no_content`: HTTP 204 e nenhum arquivo. O resultado vazio é intencional, não uma falha silenciosa.
Uma tabela vira um download `text/csv`. Várias tabelas são reunidas em um ZIP chamado `{base}_extracted.zip`. O campo `pageNumbers` desta página é ignorado; todas as páginas são varridas.
Isto não é OCR. Uma digitalização só de imagem não tem nada para o `pdftotext` ler. O OCR deste site devolve Markdown, que não pode ser reenviado aqui. As colunas se separam em sequências de dois ou mais espaços; um espaço único dentro de uma célula fica na célula. Os valores levam aspas segundo a RFC 4180.
PDF para Excel usa a mesma heurística de layout. O Excel mantém essas tabelas como planilhas de uma mesma pasta de trabalho. O CSV grava um arquivo por tabela. Nenhum dos dois reconstrói células mescladas, cabeçalhos coloridos ou planilhas ocultas a partir do PDF.
Abra o download em uma planilha e confira a divisão das colunas em algumas linhas. Tabelas apertadas sem um vão de dois espaços caem muitas vezes em uma só coluna. Arquivos protegidos por senha são desbloqueados para você nesta página assim que você digita a senha; quem chama a API executa Remover senha antes.
A heurística dos dois espaços é o detalhe essencial. O conversor não modela os limites das células como uma pessoa os vê: trata qualquer sequência de dois ou mais espaços no texto com layout preservado como uma quebra de coluna. Funciona bem com tabelas criadas por geradores de relatórios que preenchem as células com largura fixa, e falha com tabelas dispostas com um só espaço entre colunas ou com fontes proporcionais que deixam as colunas a um espaço de distância.
Números, datas e identificadores são gravados como texto, não como valores tipados de planilha. Uma coluna de algarismos chega ao CSV como strings que contêm dígitos, por isso os zeros à esquerda sobrevivem e a data mantém o formato usado pelo PDF. Converta os tipos na planilha depois de importar se precisar de aritmética ou de ordenar por data.
Tabelas muito largas ou muito altas podem se repartir entre páginas do PDF, e cada página é varrida de forma independente. Uma tabela que continua na página 2 vira um segundo arquivo `{base}_pN_tM.csv`. Você recebe todos os fragmentos, mas tem de concatená-los; a ferramenta não costura uma tabela através de uma quebra de página.
O delimitador é fixo na vírgula e as aspas seguem a RFC 4180, por isso uma célula que contenha uma vírgula fica entre aspas. Não há opção para emitir pontos e vírgulas ou tabulações. Se a configuração regional da sua planilha esperar pontos e vírgulas, importe escolhendo explicitamente a vírgula como delimitador em vez de dar duplo clique no arquivo.
Quando o CSV sai vazio, o primeiro passo razoável é verificar se o texto do PDF é realmente selecionável. Abra o arquivo e tente realçar uma linha. Se nada ficar realçado, o arquivo é uma digitalização e nunca sairá um CSV; o OCR para Markdown é a ferramenta que ao menos dá as palavras, ainda que não em colunas.
Recursos
- `pdftotext -layout` mais uma heurística de colunas por dois espaços
- Um CSV por tabela, ou um ZIP quando há várias
- Detecção vazia devolve HTTP 204; não é OCR
- Valores em texto RFC 4180; sem inferência de tipos nem escolha de delimitador
- API anônima em /api/v1/convert/pdf/csv
Quando usar esta ferramenta
- Puxar uma tabela de fatura eletrônica para uma planilha
- Guardar tabelas de várias páginas como arquivos CSV separados
- Alimentar um script que espera CSV com tabelas de PDF alinhadas por layout
- Extrair uma tabela de preços de um relatório financeiro de largura fixa
Como extrair uma tabela de um PDF para CSV?
- Envie um PDF que já tenha texto selecionável em colunas com cara de tabela.
- Clique em Processar. O campo de intervalo de páginas não é lido pelo conversor.
- Se uma tabela foi encontrada, baixe o `.csv`. Se várias, o ZIP. Se nenhuma, você recebe um sucesso vazio.
- Abra o CSV e confira a divisão. PDFs só de prosa não produzem arquivo.
Limites e casos-limite
- Precisa de texto selecionável e de um vão de dois espaços entre colunas
- Sem OCR e sem controle de intervalo de páginas que funcione
- Células mescladas e estilos não são reconstruídos
- Todos os valores são texto sem tipo; sem escolha de delimitador
- Tabelas que atravessam páginas chegam como fragmentos separados
- Limite de envio neste site: 500 MB por arquivo, enviado em partes acima de cerca de 95 MB. O corpo de uma única requisição direta à API é limitado a 100 MB.
Exemplos
- Um PDF de texto com uma tabela de preços de três colunas costuma virar um único CSV dessas colunas
- Um extrato bancário digitalizado sem camada de texto devolve HTTP 204
- Um relatório de cinco páginas com uma tabela por página produz um ZIP de cinco arquivos CSV
Privacidade desta ferramenta
Os arquivos são enviados por HTTPS, processados em memória ou em um diretório temporário de curta duração nos nossos servidores, e apagados quando o resultado fica pronto. Não guardamos cópias para consulta posterior, treino de modelos ou perfis de publicidade. Consulte a Política de Privacidade para prazos de retenção e cookies do AdSense.
Perguntas frequentes
- Por que não veio nenhum CSV?
- Não foi encontrado nenhum bloco de duas ou mais linhas de tabela seguidas. Digitalizações, prosa e tabelas sem um vão de dois espaços falham nessa heurística. A API responde 204 `no_content`.
- Posso fazer OCR primeiro e depois converter em CSV?
- Não. O OCR devolve Markdown. Esta ferramenta só lê PDF via pdftotext.
- Qual é a diferença para PDF para Excel?
- A detecção é a mesma. O CSV grava um arquivo por tabela (um único CSV, ou um ZIP quando há várias). O Excel coloca cada tabela na própria planilha de uma mesma pasta de trabalho.
- A lista de páginas deste formulário faz alguma coisa?
- Não. O pdftotext divide as páginas por quebras de página e todas são varridas. Não existe parâmetro de intervalo de páginas.
- Por que todas as colunas ficaram em uma só célula?
- O PDF só tinha um espaço entre as colunas, então a regra dos dois espaços nunca disparou. Tente reexportar a origem com colunas de largura fixa, ou use o OCR para Markdown e divida o texto à mão.
- Os números são importados como números?
- Não. Todos os valores são texto simples. Os zeros à esquerda sobrevivem e as datas mantêm o formato do PDF. Converta os tipos na planilha após importar se precisar ordenar ou calcular.
- O que acontece com uma tabela que ocupa duas páginas?
- Cada página é varrida por conta própria, então uma tabela longa produz vários fragmentos CSV. Junte-os você; a ferramenta não funde tabelas através de uma quebra de página.
Última atualização:
Chame pelo código
Cada ferramenta deste site é um endpoint REST. Para uso anônimo não precisa de conta nem de chave de API. Serve para o navegador, para desenvolvedores e para agentes de IA.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/csv" \
-F "[email protected]" \
-F "pageNumbers=all" \
-o output.pdfTambém disponível como ferramenta MCP para clientes de agente que falam Model Context Protocol (JSON-RPC 2.0 via POST /mcp). Referência completa da API
Use a partir de um agente de IA
SkillCom esta skill, Claude Code, Codex, Cursor e outros agentes de IA podem usar "PDF para CSV" para você: /skills/pdf123-pdf-to-csv.md
Os arquivos servem só para este processamento e são apagados automaticamente depois.